边缘计算参考架构

边缘计算参考架构2.0

边缘计算产业联盟

工业互联网产业联盟

联合发布

2017年11月

目录

目录2

一、迎接行业智能时代3

（一）行业智能时代已来3

（二）行业智能2.0面临的挑战4

（三）边缘计算使能行业智能2.05

（四）边缘计算产业化当前进展6

二、边缘计算6

（一）边缘计算概念7

（二）基本特点和属性7

（三）边缘计算CROSS价值7

（四）边缘计算与云计算协同8

三、边缘计算参考架构8

（一）模型驱动的参考架构8

（二）多视图呈现9

（三）概念视图10

1、边缘计算节点、开发框架与产品实现10

2、边缘计算领域模型11

（四）功能设计视图12

1、ECN12

2、业务Fabric16

3、联接计算Fabric16

4、开发服务框架（智能服务）18

5、部署运营服务框架（智能服务）19

6、管理服务20

7、数据全生命周期服务20

8、安全服务21

（五）部署视图23

四、ECC产业发展与商业实践24

（一）ECC产业发展总体概况24

1、ECC产业组织合作24

2、ECC标准组织合作24

（二）边缘计算的商业实践25

1、从理论到实践25

2、从水平到垂直25

3、从需求到实践，从实践到需求29

一、迎接行业智能时代

（一）行业智能时代已来

全球已经掀起行业数字化转型的浪潮，数字化是基础，网络化是支撑，智能化是目标。通过对人、物、环境、过程等对象进行数字化产生数据，通过网络化实现数据的价值流动，以数据为生产要素，通过智能化为各行业创造经济和社会价值。智能化是以数据的智能分析为基础，从而实现智能决策和智能操作，并通过闭环实现业务流程的持续智能优化。

以大数据、机器学习、深度学习为代表的智能技术已经在语音识别、图像识别、用户画像等方面得到应用，在算法、模型、架构等方面取得了较大的进展。智能技术已经率先在制造、电力、交通、医疗、农业等行业开始应用，对智能技术提出了新的需求与挑战。行业智能时代已经来临。

行业智能分为1.0和2.0两个发展阶段：

1）行业智能1.0

行业智能1.0是面向市场线索、营销、采购、物流、售后等商业过程，将用户、应用和商业流程的行为和状态数字化，基于多维度数据分析和场景感知，建立行业的信息图谱，为行业用户提供个性化的资源配置和服务。

行业智能1.0的快速发展得到了ICT创新技术的支撑，包括：

●泛在网络联接使能数据的快速流动；

●云计算按需提供低成本的基础设施服务应对业务负载变化；

●大数据挖掘、分析和管理海量数据，提升企业的商业决策能力；

●算法+数据+算力，释放了行业智能的潜在价值。

2）行业智能2.0

面向产品规划、设计、制造、运营等生产过程，产品、生产装备、工艺流程等已经逐步数字化和网络化，行业智能2.0已经具备了基础条件。这里所指的产品、装备具有广义的概念，既包括制造业所生产的产品和制造产线等，也包括能源、交通、农业、公共事业等行业提供服务时所依赖的资产，如电表、交通工具、农业机械、环境监测仪器等。

行业智能2.0需要达成如下目标：

●提升生产与服务过程敏捷性和协作性

●提升资源共享和减少能耗

●降低生产运行和运营不确定性

●与行业智能1.0协作，建立生产、销售和服务的端到端行业智能。

行业智能2.0时代需要行业发生四个关键转变：

●物理世界与数字世界从割裂转变为协作融合；

●运营决策从模糊的经验化转变为基于数字化、模型化的科学化；

●流程从割裂转变基于数据的全流程协同；

●从企业单边创新转变为基于产业生态的多边开放创新。

（二）行业智能2.0面临的挑战

从DIKW模型视角看，行业智能2.0面临了四大挑战：

●OT和ICT跨界协作挑战

OT（Operation Technology）与ICT（Information and Communication Technology）关注重点不同，OT关注物理和商业约束、人身安全，ICT关注商业约束、信息安全；OT与ICT在行业语言、知识背景、文化背景存在较大差异，相互理解困难；OT技术体系碎片化、专用化与标准化、开放性的ICT技术体系集成协作存在挑战困难；OT与ICT的融合协作也将带来安全方面的挑战。

OT与ICT的跨界协作需要建立物理世界和数字世界的联接与融合。

●信息难以有效流动与集成

目前业界有超过6种以上的工业实时以太网技术，超过40种工业总线，缺少统一的信息与服务定义模型。烟囱化的系统导致数据孤岛，使信息难以有效流动与交互。

信息有效流动与集成是支持数据创新、服务创新的基础，需要建立数据全生命周期管理。

●知识模型化是巨大挑战

知识模型（Knowledge Model）主要解决知识的表示、组织与交互关系，知识的有序化以及知识处理模型，是将知识进行形式化和结构化的抽象。知识模型不是知识，是知识的抽象，以便于计算机理解与处理。

知识模型输入存在信息不完整、不准确和不充分的挑战；知识模型处理的算法与建模还需持续改进与优化；知识模型输出的应用场景有限需要持续积累。

知识模型化是高效、低成本实现行业智能的关键要素。

●产业链变长，增加了端到端协作集成挑战

需要物理世界和数字世界的产业链的协作，需要产品全生命周期的数据集成，需要价